۰٫۲۱۳۲۶۵۹۱۱

 

۰

 

 

 

۴۱۶

 

۰٫۳۵۸۸۲۴

 

۰٫۸۱۰۳۴۴۸۲۸

 

۰٫۸۱۶۷۸۵۷۲۶

 

۰

 

 

 

۴۱۷

 

۰٫۳۶۴۷۰۶

 

۰٫۲۴۱۳۷۹۳۱

 

۰٫۹۱۹۶۲۴۹۹۷

 

۱

 

 

 

۴۱۸

 

۰٫۴۲۳۵۲۹

 

۰

 

۰٫۹۸۰۸۳۹۷۲۹

 

۰

 

 

 

۴۱۹

 

۰٫۴۹۴۱۱۸

 

۰٫۳۷۹۳۱۰۳۴۵

 

۰٫۱۱۱۲۶۲۰۵

 

۰

 

 

 

۴۲۰

 

۰٫۴۴۷۰۵۹

 

۰٫۴۳۱۰۳۴۴۸۳

 

۰٫۶۱۱۸۹۳۰۶۵

 

۰

 

 

 

۴-۴-۳-گام تعیین تعداد بهینه خوشه‌ها
تعداد بهینه خوشه‌ها می ­تواند با توجه به اهداف تحقیق و دیدگاه­ های مختلف خبرگان متفاوت باشد. در این تحقیق با بهره گرفتن از مجموعه داده‌های مورد استفاده و بررسی نظرات خبرگان بانک مهر اقتصاد بهترین گزینه برای تعیین تعداد مناسب خوشه‌ها، جهت تفکیک رفتاری مشتریان این بانک عدد ۵ به دست آمد. این عدد به عنوان یک ورودی در الگوریتم‌های خوشه‌بندی مورد نظر بکار گرفته خواهد شد.

۴-۴-۴- گام خوشه‌بندی داده‌ها
خوشه‌بندی به معنای تقسیم موجودیت­ها در گروه­هاست به طوری که موجودیت­هایی که در یک گروه قرار می­گیرند بیش‌ترین شباهت را با هم­گروه ­های خود و بیش‌ترین فاصله را با موجودیت­های دیگر گروه­ ها داشته باشند.
به طور خاص در صنعت بانکداری از الگوریتم‌های خوشه‌بندی در بخش‌بندی مشتریان به گروه ­های مشخص بر طبق الگوهای رفتاری آن­ها کاربرد دارد. شناسایی گروه ­های مشتریان بسیار برای بانک حائز اهمیت بوده و می ­تواند در تصمیم ­گیری­های کنونی و اتخاذ راهبردهای میان­مدت و بلندمدت بانک راهگشا باشد.
همان طور که در فصل سوم بیان شد برای تفکیک مشتریان در پنج بخش، سه الگوریتم K-Means، WK-Means و A-H-Means بکار گرفته خواهند شد. کدهای مربوط به این الگوریتم­ها به زبان C#.net نوشته شده است.
ورودی این الگوریتم­ها فایل اکسل حاوی نمونه داده‌های مربوط به هزار مشتری بانک مهر اقتصاد استان مازندران، شهرستان بابل می­باشد. این الگوریتم­ها بر روی چهار متغیر R، F، M و K از این نمونه­ها اعمال می­ شود.
۴-۴-۴-۱- خوشه‌بندی به روش K-Means
هدف از اجرای این الگوریتم که یکی از الگوریتم‌های متنوع خوشه‌بندی می­باشد، تقسیم نمونه­ها در K خوشه است. K مرکز اولیه به صورت تصادفی از بین داده‌های ورودی انتخاب می­شوند. سپس فاصله (در این تحقیق فاصله اقلیدسی) هر داده با هر یک از K مرکز محاسبه شده و داده به خوشه­ای که کمترین فاصله را با مرکز آن داراست تخصیص می­یابد. بعد از تخصیص تمام نقاط به K مرکز، میانگین هر خوشه به عنوان مرکز جدید محاسبه شده و محاسبه فاصله عناصر و تخصیص آن­ها به مراکز جدید ادامه می­یابد تا جایی که هیچ جابجایی در عناصر خوشه‌ها رخ ندهد.